如何在Pandas方法链中替换DataFrame特定行的指定值？

用户原始代码：

import numpy as np
import pandas as pd

days = np.arange(0,11)
rets = np.array([ 0.00, 0.02, 0.03, 0.04, -0.01, -0.02, 0.01, 0.02, -0.03, -0.05,0.10 ])
start = 100

df = pd.DataFrame({"time": days, "return":rets})

new_df = (df
          .assign(**{f"lag_{i}":df["return"].add(1).iloc[1:].shift(-i).cumprod() for i in np.arange(6)})
)
new_df.iloc[0] = new_df.iloc[0].replace(np.nan,1) # 希望将此行整合到上方方法链中

期望实现的链式调用结构：

new_df = (df
          .assign(...)
          .replace(...)
          )

解决方案 #

方法1：用pipe插入自定义替换逻辑 #

pipe能在链式调用中执行自定义DataFrame操作，专门处理第一行的NaN：

new_df = (df
          .assign(**{f"lag_{i}": df["return"].add(1).iloc[1:].shift(-i).cumprod() for i in np.arange(6)})
          .pipe(lambda df: df.loc[0].replace(np.nan, 1).to_frame().T.combine_first(df))
)

方法2：生成列时直接填充NaN（推荐） #

在创建lag_*列的阶段就处理NaN，无需后续替换：

new_df = (df
          .assign(**{f"lag_{i}": df["return"].add(1).iloc[1:].shift(-i).cumprod().reindex(df.index).fillna(1) for i in np.arange(6)})
)

通过reindex保证列长度匹配原DataFrame，fillna(1)直接将第一行的NaN替换为1，一步完成。

方法3：结合replace与行索引判断 #

如果一定要用.replace()方法，可通过函数判断行索引来定位替换：

new_df = (df
          .assign(**{f"lag_{i}": df["return"].add(1).iloc[1:].shift(-i).cumprod() for i in np.arange(6)})
          .replace(np.nan, lambda val: 1 if val.name == 0 else val)
)

这里val.name对应行索引，当索引为0时（第一行），将NaN替换为1，其他行保持原样。

内容的提问来源于stack exchange，提问作者FredMaster